创建GZIP压缩格式的HIVE表

GZIP为Linux系统中最常用的压缩格式，创建GZIP压缩格式的HIVE表具体步骤如下。

1、以 STORED AS TEXTFILE 为存储格式创建HIVE表
CREATE TABLE TRACKLOG (DATEDAY STRING COMMENT "日期",IP STRING COMMENT "IP",COOKIEID STRING COMMENT "用户COOKIE",USERID STRING COMMENT "用户ID", LOGSERVERIP STRING COMMENT "记录日志服务器IP",REFERER STRING COMMENT "来源 ：用户浏览网页的REFER",REQUESTURL STRING COMMENT "访问网址 ： 当前访问网址") 
PARTITIONED BY(DAY STRING)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ' '
STORED AS TEXTFILE ;


2、TEXTFILE格式可使用普通文本格式数据、也可使用GZIP的压缩格式，HIVE做自动解压GZIP的格式。


3、GZIP的压缩方法：
压缩当前目录下所有的 *.dat 文件
gzip *.dat


4、装载数据到HIVE分区表中
LOAD DATA LOCAL INPATH '/DISKG/BIGDATA/10-0-251-146/TRACKLOG/20150123*.DAT' OVERWRITE INTO TABLE TRACKLOG PARTITION (DAY='20150123'); 

或者通过mapreduce加载数据，需要先设置hive的压缩参数：

set hive.enforce.bucketing=true; 
set hive.exec.compress.output=true;  
set mapred.output.compress=true;  
set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;  
set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec;  

insert overwrite table trackloggzip PARTITION (day='20150124') select dateday, datetime ,ip,cookie  ,userid   ,logserverip ,source ,requesturl ,remark1 ,remark2,alexaflag ,ua ,  wirelessflag from tracklog where day='20150124' ;

5、删除一个分区
ALTER TABLE TRACKLOG DROP PARTITION(DAY='20130823') 

6、GZIP的压缩，有着较好的通用性（LINUX系统中最常用的压缩方式），及良好的压缩比率（经测试文本压缩为23%），同时SPARK-SQL也能完美支持GZIP的格式。